外源多胺增加盐胁迫下玉米叶绿体结合态多胺水平和光合作用，刘俊，周一峰，在100 mmol/L NaCl胁迫下，研究了外源多胺—腐胺（Put）、尸胺（Cad）、亚精胺（Spd）和精胺（Spm）对玉米幼苗生长、光合速率和PSⅡ光化学�

甘蔗和玉米不同生育时期叶片挥发物组成及其对亚洲玉米螟的电生理活性，谢兴伟，蒋兴川，为了研究甘蔗和玉米不同生育时期叶片挥发物成分的差异及挥发物对亚洲玉米螟的电生理活性，采用溶剂漂洗法和气相色谱-质谱联用仪�

本研究的主要内容是分析玉米果穗不同部位（玉米须、玉米苞叶、玉米雌穗）挥发物的组成差异，并研究这些挥发物对亚洲玉米螟的电生理活性。研究采用了顶空吸附法来提取挥发性化合物，并运用气相色谱-质谱联用仪（GC-MS）对这些挥发物进行分析。通过触角电位技术（Electroantennogram），研究人员测定并记录了亚洲玉米螟对16种选定挥发物的电生理反应。 研究结果显示，玉米须、玉米苞叶、玉米雌穗分别分离出37种、39种、41种挥发性化合物。在三个部位均有发现的化合物共有22种，而玉米须、玉米苞叶、玉米雌穗特有的化合物分别有8种、9种、5种。这些化合物主要包括绿叶气味物质、芳香族化合物、萜类和脂肪族化合物（包括醛类、酮类、醇类、酯类和烃类）。其中，萜类化合物的含量最高。 在对亚洲玉米螟进行的电生理活性测试中发现，未交配的雌雄亚洲玉米螟对16种挥发物均可产生反应，总体上表现为醇类和酯类化合物的反应高于醛类（癸醛除外）和绿叶气味化合物，而萜类和烃类化合物的反应则相对较低。研究还观察到，未交配雄蛾的电生理反应值显著高于未交配雌蛾，尤其对2-庚醇的反应最大。 关键词中提到的“玉米果穗”是指玉米植株上带有种子的部位，而“植物挥发物”是植物释放到外界环境中的挥发性化学物质，这些物质对昆虫的行为和生态有着显著影响。“亚洲玉米螟”是一种严重危害玉米的害虫，通过研究植物挥发物对亚洲玉米螟行为影响的基础，可以帮助开发新的害虫管理策略。 通过GC-MS分析，研究者能够确定不同部位挥发物中化学物质的具体种类和含量差异。此外，触角电位技术（EAG）是一种记录昆虫触角电生理反应的技术，它能够检测昆虫对特定气味分子的敏感程度。这一技术的应用有助于理解昆虫的感觉系统如何对环境中的化学信号做出反应。 本研究为理解植物挥发物在昆虫行为学中的作用提供了基础数据，并可能对开发新的环境友好型害虫防治方法有所贡献。例如，了解不同挥发物对亚洲玉米螟的吸引和排斥作用，可以指导农业生产中合理使用引诱剂或驱避剂来控制害虫数量，从而减少农药的使用和对环境的污染。

H2O2参与低水势下ABA维持玉米初生根的生长，李晶，蒋明义，本实验以玉米（Zea mays L.）杂交种“农大108”为材料，以PEG-6000（25%）模拟低水势，发现在低水势下，经ABA抑制剂10μM fluridone（FLU）和1 mM

NO参与水分胁迫下ABA维持玉米初生根生长，李晶，蒋明义，本实验以玉米（Zea mays L.）杂交种“农大108”为材料，以PEG-6000（25%）模拟低水势，发现在低水势下，经ABA抑制剂fluridone（FLU）（10μM ）�

在农业科学领域，玉米作为一种重要的粮食作物和生物能源的原料，其产量和质量一直受到广泛关注。在众多影响玉米生长的因素中，磷素的缺乏是制约玉米生产的主要因素之一。磷是植物生长必需的主要营养元素之一，对于植物的光合作用、能量转化、物质代谢以及细胞分裂等生理活动有着不可替代的作用。因此，研究玉米对低磷条件的适应性和耐受性，对于提高玉米产量和培育耐低磷的玉米品种具有重要的科学价值和应用前景。 本次研究的主要目的是评价和筛选出耐低磷的玉米自交系苗期基因型。研究者们在低磷胁迫和正常供磷条件下，对456份玉米自交系的苗期进行了7个性状的遗传评价。通过方差分析，研究者们发现，在相同的处理条件下，不同玉米自交系之间存在显著的遗传差异，而且同一自交系在不同处理条件下的表现也有显著差异。这些差异表明，不同自交系对低磷条件的耐受性存在遗传变异。 研究中关注的7个苗期性状包括了地上部分相关性状和地下部分相关性状。地上部分性状通常涉及玉米植物的生长高度、叶片数量、干重等指标，而地下部分性状则更多关注根系的长度、密度、表面积等。这些性状的选择对于耐低磷性状的评价至关重要，因为根系作为直接与土壤磷素接触的器官，在磷素吸收和利用方面发挥着重要作用。 研究结果发现，干重（Dry Weight, DW）这一性状在遗传上表现出较高的可遗传性，说明该性状更容易通过选择获得遗传上的稳定性和可预测性。相反，目前广泛使用的耐低磷评价指标根冠比（Root/Shoot Ratio, R/S Ratio）的遗传率并不高，这意味着仅靠根冠比来评估耐低磷性可能不够准确。 为了更准确地评价玉米自交系对低磷胁迫的耐受性，研究者们构建了综合指数（Synthetic Index, SI），可以将自交系材料划分为低磷敏感、中等耐低磷和高耐低磷的三个等级。根据耐低磷选择指标建立的多元逐步回归模型，在低磷和正常供磷条件下，能够分别解释总干重变异的67.8%和76.8%。这表明所选用的性状对于预测玉米在不同磷素供应水平下的生长表现具有显著作用。 最终，根据耐低磷指数（Low P Tolerance Index, LPTI）和综合指数的标准，研究者们成功筛选出23份高耐低磷和109份低磷敏感的玉米自交系。这些自交系材料可以被进一步用于玉米耐低磷遗传改良的育种计划中，以期培育出更适应低磷土壤环境的新品种，从而提高玉米的生产力。 总体来看，这项研究不仅为玉米耐低磷性状的遗传评价提供了科学依据，而且对于指导未来的玉米育种工作，尤其是在耐低磷性状改良方面具有重要的参考价值。通过这些研究，可以为种植者提供更加适应低磷环境的玉米种子，以应对因土壤磷素缺乏而造成的农业生产限制。

知识点生成: 目标检测作为计算机视觉领域的一个核心分支，主要任务是识别图像中的感兴趣对象，并确定这些对象的位置。玉米幼苗数据集8530张YOLO+VOC（已增强）就是为了解决这一问题而设计的。该数据集采用了VOC格式和YOLO格式的标注标准，其中YOLO格式是一种流行的实时目标检测算法。数据集包含8530张标注清晰的玉米幼苗图片，每张图片都配有一个对应的.xml文件进行标注。 数据集的格式设计使得它能够适应多种机器学习框架，而采用的图片增强技术则能显著提高模型训练时的泛化能力。具体来说，数据集包含三个文件夹，分别是存储图片的JPEGImages文件夹、存储标注信息的Annotations文件夹和存储标注框坐标的labels文件夹。JPEGImages文件夹中存放了8530张.jpg格式的图片， Annotations文件夹包含了与图片一一对应的8530个.xml标注文件，而labels文件夹则包含了8530个.txt标注文件。所有标注文件中的标签数量为1，即仅包含一种标签：“Maize”，代表玉米。 每张图片中，玉米幼苗的矩形框数量共计为12650个。标注框数目的增加，意味着数据集为模型提供了更多关于玉米幼苗在各种环境下的视觉信息，这有助于训练更加精确的模型。标签形状采用矩形框，是因为矩形框在计算机视觉中是最常用且适合的标注形式，能够有效地框选目标对象，并且计算量相对较小。 在图像处理方面，数据集中的图片清晰度高，分辨率为高清像素，可以进一步增强模型对玉米幼苗的识别精度。由于图片经过增强处理，这不但增加了数据集的多样性，而且有助于减少模型在实际应用中遇到的过拟合问题。数据集的图片增强主要涵盖了对色彩、亮度、对比度等方面的调整，以模拟更广泛的现实场景。 值得注意的是，虽然数据集提供了丰富的标注信息和高质量的图片资源，但它并不对训练得到的模型精度或权重文件作出任何保证。数据集只承诺提供准确且合理的标注。对于使用者而言，需要在模型设计、训练和验证等后续步骤中投入更多的工作，以确保得到一个性能优良的模型。 此外，数据集提供了标注示例和图片概览，以帮助研究人员和开发者更好地理解数据集的结构和标注方式。用户可以通过观察标注示例来学习如何识别和标注玉米幼苗，以及如何使用labels文件夹中的.txt文件来训练YOLO模型。 对于希望在农业领域应用目标检测技术的研究者和开发者来说，这个数据集提供了一个很好的起点。通过深入研究和合理使用该数据集，可以期待开发出能有效应用于农业生产和作物管理的先进图像识别系统。

基于MATLAB的谷物颗粒数量计数识别系统——玉米计数与图像预处理技术详解,基于matlab谷物颗粒数量计数识别系统 玉米计数 图像预处理有灰度化 滤波图像 二值化 形态学处理和连通域标记 无gui界面50r，有gui界面100r，需要gui请两份 注释全面， ,基于Matlab;谷物颗粒数量计数识别系统;玉米计数;图像预处理;灰度化;滤波图像;二值化;形态学处理;连通域标记;无GUI界面;有GUI界面。 关键词：Matlab;谷物颗粒计数;图像预处理;灰度化;滤波;二值化;形态学处理;连通域标记;无gui界面价格;有gui界面价格。,基于Matlab的玉米颗粒计数识别系统：图像预处理与两种界面选项

基于比较基因组学的玉米ESTs定位方法，张祖新，张绍鹏，本研究描述了以水稻基因组数据和玉米与水稻的比较遗传图谱为桥梁，基于水稻和玉米间存在的标记和序列水平上的广泛的共线性，对大

这个项目是一个基于深度学习的图像分类器，旨在实现对玉米叶子的健康状况的准确识别和分类。数据集包含四种类别：blight（病斑）、common rust（锈病）、gray leaf spot（灰斑病）和healthy（健康状态）。通过对数据集进行预处理和增强，使用resnet模型进行特征提取和分类，实现对不同病害的玉米叶子图像的自动分类。在模型训练过程中，采用了交叉验证来避免过拟合，并使用一些优化技术如批量归一化和随机失活来提高模型的泛化能力和准确性。最终，通过对模型的评估和测试，得到了高精度和高可靠性的玉米叶子分类器，可以在农业生产中发挥重要作用。